Name: a methodology for capturing joint visual attention using mobile eye-trackers
Uploaded: 2020-01-18T14:00:00
Description: Watch this Scientific Journal Video about A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers at JoVE.com

Le développement de cette méthodologie a été soutenu par la National Science Foundation (NSF #0835854), le Leading House Technologies for Vocation Education, financé par le Secrétariat d'État suisse pour l'éducation, la recherche et l'innovation, et le Fonds de capital-risque de doyen de la Harvard School of Education.

1. Dépistage des participants
<ol><li>Assurez-vous que les participants ayant une vision normale ou corrigée à la normale sont recrutés. Étant donné que les participants seront invités à porter un eye-tracker mobile, ils peuvent porter des lentilles cornéennes, mais pas des lunettes régulières.</li>
</ol>2. Préparation à l'expérience
<ol><li>Dispositifs de suivi des yeux<ol>
<li>Utilisez n'importe quel eye-tracker mobile capable de capturer le mouvement des yeux dans des environn...

<ol>
	<li>Tomasello, M., Moore, C., Dunham, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Joint+attention+as+social+cognition.">Joint attention as social cognition.</a> Joint attention: Its origins and role in development. , 103-130 (1995).</li><li>Mundy, P., Sigman, M., Kasari, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+longitudinal+study+of+joint+attention+and+language+development+in+autistic+children.">A longitudinal study of joint attention and language development in autistic children.</a> Journal of Autism and Developmental Disorders. 20, 115-128 (1990).</li><li>Clark, H. H., Brennan, S. E., Resnick, L. B., Levine, J. M., Teasley, S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Grounding+in+communication.">Grounding in communication.</a> Perspectives on socially shared cognition. , 127-149 (1991).</li><li>Siposova, B., Carpenter, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+look+at+joint+attention+and+common+knowledge.">A new look at joint attention and common knowledge.</a> Cognition. 189, 260-274 (2019).</li><li>Gergle, D., Clark, A. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=See+What+I'm+Saying?:+Using+Dyadic+Mobile+Eye+Tracking+to+Study+Collaborative+Reference.">See What I'm Saying?: Using Dyadic Mobile Eye Tracking to Study Collaborative Reference.</a> Proceedings of the ACM 2011 Conference on Computer Supported Cooperative Work. , 435-444 (2011).</li><li>Renner, P., Pfeiffer, T., Wachsmuth, I., Freksa, C., Nebel, B., Hegarty, M., Barkowsky, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatial+References+with+Gaze+and+Pointing+in+Shared+Space+of+Humans+and+Robots.">Spatial References with Gaze and Pointing in Shared Space of Humans and Robots.</a> Spatial Cognition IX. , 121-136 (2014).</li><li>Shvarts, A. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+detection+of+gaze+convergence+in+multimodal+collaboration:+a+dual+eye-tracking+technology.">Automatic detection of gaze convergence in multimodal collaboration: a dual eye-tracking technology.</a> The Russian Journal of Cognitive Science. 5, 4 (2018).</li><li>. Chilitags: Robust Fiducial Markers for Augmented Reality [software] Available from: <a target="_blank" href="https://github.com/chili-epfl/qml-chilitags">https://github.com/chili-epfl/qml-chilitags</a> (2013)</li><li>Jermann, P., Mullins, D., N&#252;ssli, M. -. A., Dillenbourg, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Collaborative+Gaze+Footprints:+Correlates+of+Interaction+Quality.+Connecting+Computer-Supported+Collaborative+Learning+to+Policy+and+Practice.">Collaborative Gaze Footprints: Correlates of Interaction Quality. Connecting Computer-Supported Collaborative Learning to Policy and Practice.</a> CSCL2011 Conference Proceedings., Volume I - Long Papers. , 184-191 (2011).</li><li>Richardson, D. C., Dale, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Looking+To+Understand:+The+Coupling+Between+Speakers'+and+Listeners'+Eye+Movements+and+Its+Relationship+to+Discourse+Comprehension.">Looking To Understand: The Coupling Between Speakers' and Listeners' Eye Movements and Its Relationship to Discourse Comprehension.</a> Trends in Cognitive Sciences. 29, 1045-1060 (2005).</li><li>Richardson, D. C., Dale, R., Kirkham, N. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Art+of+Conversation+Is+Coordination+Common+Ground+and+the+Coupling+of+Eye+Movements+During+Dialogue.">The Art of Conversation Is Coordination Common Ground and the Coupling of Eye Movements During Dialogue.</a> Psychological Science. 18, 407-413 (2007).</li><li>Schneider, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+Mobile+Eye-Trackers+to+Unpack+the+Perceptual+Benefits+of+a+Tangible+User+Interface+for+Collaborative+Learning.">Using Mobile Eye-Trackers to Unpack the Perceptual Benefits of a Tangible User Interface for Collaborative Learning.</a> ACM Transactions on Computer-Human Interaction. 23, 1-23 (2016).</li><li>Meier, A., Spada, H., Rummel, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+rating+scheme+for+assessing+the+quality+of+computer-supported+collaboration+processes.">A rating scheme for assessing the quality of computer-supported collaboration processes.</a> Int. J. Comput.-Support. Collab. Learn. 2, 63-86 (2007).</li><li>Schneider, B., Pea, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-time+mutual+gaze+perception+enhances+collaborative+learning+and+collaboration+quality.">Real-time mutual gaze perception enhances collaborative learning and collaboration quality.</a> Journal of Computer-Supported Collaborative Learning. 8, 375-397 (2013).</li></ol>

La méthodologie décrite dans ce document fournit un moyen rigoureux de capturer JVA dans les dyades colocalisées. Avec l'émergence d'une technologie de détection abordable et d'algorithmes de vision par ordinateur améliorés, il est maintenant possible d'étudier les interactions collaboratives avec une précision qui n'était pas disponible auparavant. Cette méthodologie tire parti des marqueurs fiducial diffusés dans l'environnement et utilise les homographies comme un moyen de remap les regards des participant...

JVA a fait l'objet d'études approfondies au cours du siècle dernier, en particulier par des psychologues du développement qui étudient l'acquisition du langage. Il a été rapidement établi que l'attention commune est plus qu'un simple moyen d'apprendre les mots, mais plutôt un précurseur des théories de l'esprit des enfants1. Ainsi, il joue un rôle important dans de nombreux processus sociaux, tels que la communication avec les autres, la collaboration et le développement de l'empathie. Les enfants autistes, par exemple, n'ont pas la capacité de coordonner leur attention visuelle avec leurs soignants, ce qui est associé à des déficiences sociales importantes2. Les humains ont besoin d'une attention commune pour devenir des membres fonctionnels de la société, pour coordonner leurs actions et pour apprendre des autres. Des enfants qui acquièrent leurs premiers mots, des adolescents qui apprennent des enseignants, des élèves qui collaborent à des projets et des groupes d'adultes qui travaillent à la recherche d'objectifs communs, l'attention commune est un mécanisme fondamental pour établir un terrain d'entente entre les individus3. Dans cet article, je me concentre sur l'étude de jAV dans la recherche éducative. Comprendre comment l'attention commune se déroule au fil du temps est d'une importance primordiale pour l'étude des processus d'apprentissage collaboratif. En tant que tel, il joue un rôle prédominant dans les milieux socioconstructivistes.
La définition exacte de l'attention commune est encore débattue4. Ce document concerne une sous-construction de l'attention conjointe (JA), à savoir JVA. JVA se produit lorsque deux sujets regardent au même endroit en même temps. Il convient de noter que JVA ne fournit aucune information sur d'autres constructions importantes d'intérêt dans l'étude de la JA, telles que le suivi de l'attention commune, mutuelle et partagée, ou plus généralement, la conscience de la cognition d'un autre membre du groupe. Cet article opérationnalise et simplifie JVA en combinant les données de suivi oculaire de deux participants et en analysant la fréquence dans laquelle ils alignent leurs regards. Pour une discussion plus complète, le lecteur intéressé peut en apprendre davantage sur l'étude de la construction JA dans Siposovaetal. 4.
Au cours de la dernière décennie, les progrès technologiques ont radicalement transformé la recherche sur la JVA. Le changement de paradigme principal était d'utiliser de multiples eye-trackers pour obtenir des mesures quantitatives des alignements attentionnels, par opposition à l'analyse qualitative des enregistrements vidéo en laboratoire ou en milieu écologique. Ce développement a permis aux chercheurs de recueillir des informations précises et détaillées sur la coordination visuelle des dyades. De plus, les eye-trackers sont de plus en plus abordables : jusqu'à récemment, leur utilisation était réservée aux milieux académiques ou aux grandes entreprises. Il est maintenant possible d'acheter des eye-trackers bon marché qui génèrent des jeux de données fiables. Enfin, l'inclusion progressive des capacités de suivi du regard dans les appareils existants comme les ordinateurs portables haut de gamme et les casques de réalité virtuelle et augmentée suggère que le suivi des yeux deviendra bientôt omniprésent.
En raison de la popularisation des dispositifs de suivi oculaire, il est important de comprendre ce qu'ils peuvent et ne peuvent pas nous dire sur les interactions sociales. La méthodologie présentée dans ce document marque un premier pas dans cette direction. Je réponds à deux défis dans la capture de JVA à partir de multiples eye-trackers: synchroniser les données sur 1) l'échelle temporelle, et 2) sur l'échelle spatiale. Plus précisément, ce protocole utilise des marqueurs fiduciaux placés dans des environnements réels pour éclairer les algorithmes de vision par ordinateur où les participants orientent leur regard. Ce nouveau type de méthodologie ouvre la voie à une analyse rigoureuse du comportement humain en petits groupes.
Ce protocole de recherche est conforme aux lignes directrices du comité d'éthique de la recherche humaine de l'Université Harvard.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Tobii Glasses 2</td>
			<td>Tobii</td>
			<td>N/A</td>
			<td><a href="https://www.tobiipro.com/product-listing/tobii-pro-glasses-2/" target="_blank">https://www.tobiipro.com/product-listing/tobii-pro-glasses-2/</a></td>
		</tr>
		<tr>
			<td>Fiducial markers</td>
			<td>Chili lab &#8211; EPFL, Switzerland</td>
			<td>N/A</td>
			<td><a href="https://github.com/chili-epfl/chilitags" target="_blank">https://github.com/chili-epfl/chilitags</a></td>
		</tr>
	</tbody>
</table>

a methodology for capturing joint visual attention using mobile eye-trackers

Avec l'avènement de nouvelles avancées technologiques, il est possible d'étudier les interactions sociales à un niveau microavec une précision sans précédent. Les capteurs à haute fréquence, tels que les eye-trackers, les bracelets d'activité électrodermique, les bandes D'EEG et les capteurs de mouvement fournissent des observations au niveau de la milliseconde. Ce niveau de précision permet aux chercheurs de collecter de grands ensembles de données sur les interactions sociales. Dans cet article, je discute de la façon dont plusieurs eye-trackers peuvent capturer une construction fondamentale dans les interactions sociales, l'attention visuelle conjointe (JVA). JVA a été étudié par des psychologues du développement pour comprendre comment les enfants acquièrent la langue, les scientifiques d'apprentissage pour comprendre comment de petits groupes d'apprenants travaillent ensemble, et les chercheurs en sciences sociales pour comprendre les interactions dans de petites équipes. Cet article décrit une méthodologie pour capturer JVA dans des paramètres colocated à l'aide de eye-trackers mobiles. Il présente quelques résultats empiriques et discute des implications de la capture des microobservations pour comprendre les interactions sociales.

La méthodologie présentée ci-dessus a été utilisée pour étudier les étudiants qui suivaient un programme de formation professionnelle en logistique (n ' 54)12. Dans cette expérience, des paires d'étudiants ont interagi avec une interface utilisateur tangible (TUI) qui simulait un entrepôt à petite échelle. Les marqueurs fiduciaux placés sur le TUI ont permis à l'équipe de recherche de remap les regards des étudiants sur un plan commun et de calculer les niveaux de JVA. Les résult...

Watch this Scientific Journal Video about A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers at JoVE.com

A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers

L'utilisation de capteurs multimodaux est un moyen prometteur de comprendre le rôle des interactions sociales dans les milieux éducatifs. Cet article décrit une méthodologie pour capturer l'attention visuelle commune des dyades colocated es utilisant les eye-trackers mobiles.

Une méthodologie pour capturer l'attention visuelle conjointe à l'aide de eye-trackers mobiles

With the advent of new technological advances, it is possible to study social interactions at a microlevel with unprecedented accuracy. High frequency ...

Salut, je m’appelle Bertrand Schneider et je suis professeur adjoint à la Harvard Graduate School of Education. Dans cette vidéo, je vais vous montrer comment nous pouvons utiliser mobile eye-trackers pour capturer une construction centrale dans les sciences sociales, l’attention visuelle conjointe. L’attention visuelle conjointe a été largement étudiée par les psychologues et s’est trouvée étroitement corrélée à la qualité des interactions entre les membres du groupe.Il s’avère que lorsque les gens construisent un terrain d’entente et créent une compréhension commune d’une tâche, ils ont tendance à regarder fréquemment au même endroit en même temps. Traditionnellement, les chercheurs ont étudié l’attention visuelle conjointe qualitativement en codant manuellement des vidéos. Je vais vous montrer comment nous pouvons utiliser mobile eye-trackers pour obtenir une mesure quantitative de cette construction dans des paramètres co-localisés.Dans cette vidéo, nous allons utiliser le Tobii Pro Glasses Two. Ces lunettes sont des eye-trackers portables qui peuvent capturer le mouvement des yeux dans des environnements réels. En plus des caméras spécialisées sur le cadre pour suivre les mouvements oculaires, l’appareil est également équipé d’une caméra de scène full HD et d’un microphone, de sorte que le comportement du regard peut être visualisé dans le contexte du champ visuel du porteur.Pour ces lunettes, le regard est capturé 50 fois par seconde et un flux vidéo en direct à partir des lunettes peut être diffusé sur un ordinateur sans fil, ou à travers un câble ethernet. Les lunettes ont une limitation cependant, car ils ne fonctionneront pas sur les lunettes régulières. La procédure de mise en place de l’eye-tracker est relativement simple.Tout d’abord, les participants seront invités à mettre sur les lunettes de suivi des yeux comme ils le feraient une paire normale de lunettes. En fonction des traits du visage distincts des participants, des morceaux de nez de différentes hauteurs peuvent devoir être utilisés pour préserver la qualité des données. Après avoir activé eye-tracker, les participants doivent couper l’unité de collecte de données à leurs personnes pour permettre des mouvements du corps débridés.Le contrôleur Tobii Pro Glasses doit être ouvert et les participants doivent être invités à regarder le centre du marqueur d’étalonnage fourni par Tobii, tandis que la fonction d’étalonnage du logiciel est activée. Une fois l’étalonnage terminé, l’enregistrement peut être commencé à partir du logiciel. Une fois la session d’enregistrement terminée, terminez l’enregistrement à partir du logiciel Tobii avant d’ordonner au participant de retirer les lunettes de suivi des yeux et l’unité de collecte de données.Et puis, éteignez l’unité. Les données peuvent être extraites par l’intermédiaire d’un autre logiciel, Tobii Pro Lab, en supprimant la carte SD de l’unité de collecte de données et en insérant la carte à l’ordinateur. Tobii Pro Lab est en mesure d’importer toutes les sessions d’enregistrement stockées dans la carte SD en même temps.Les fichiers peuvent ensuite être traités dans Tobii Pro Lab pour générer des vidéos, des visualisations différentes ou être générés sous forme de valeurs séparées par onglets ou de fichiers TSV pour une analyse plus approfondie. Ici, vous pouvez voir les données brutes de suivi oculaire d’une étude que nous avons récemment menée, où deux participants apprenaient à programmer un robot. De chaque côté, vous pouvez voir le flux vidéo généré par chaque eye-tracker avec l’emplacement du regard du participant.Comme vous pouvez le voir, il est impossible de dire s’ils regardent au même endroit en même temps, parce que le point de vue de chaque participant est différent. En outre, l’enregistrement des données peut commencer à des moments différents. Cela signifie que les données doivent être synchronisées temporellement et spatialement.Je vais vous montrer comment aborder ces deux questions dans cette vidéo. Tout d’abord, je vais décrire une procédure pour synchroniser les données temporairement. Pour le premier participant, vous avez un certain nombre d’images vidéo.Certains d’entre eux sont avant ou après la tâche expérimentale réelle. Comme le premier cadre, où l’expérimentateur étalonne le traqueur oculaire. De même, pour les autres participants, vous avez le même type de données.Il n’est pas montré ici, mais chaque image de la vidéo est également associée à une coordonnée x et y qui représente le regard de chaque participant. Pour synchroniser les données, nous montrons brièvement un marqueur fiducial sur l’écran de l’ordinateur avant et après la tâche expérimentale. En utilisant un algorithme de vision par ordinateur, nous pouvons détecter quand ce marqueur est présenté à chaque participant, ce qui nous permet de couper et d’aligner les données.Il s’agit donc d’une façon de traiter les problèmes de synchronisation des données. Dans les prochaines parties, nous allons examiner la deuxième question: Comment synchroniser les données spatialement. Comme mentionné précédemment, les données proviennent de chaque eye-tracker sous la forme d’un flux vidéo associé à l’emplacement du regard de chaque participant, ici en bleu et vert.Bien que les coordonnées x et y puissent être les mêmes pour les deux participants, cela ne signifie pas qu’ils regardent au même endroit parce qu’ils regardent l’écran sous deux angles différents. Une façon de résoudre ce problème est de construire une image de la configuration expérimentale qui servira de référence, et où nous allons remapper l’emplacement du cas de chaque participant. Cela nous permet de détecter pour chaque image de la vidéo de suivi des yeux, si les participants regardent au même endroit en même temps.Mais comment réinsepper ces coordonnées dans l’image de gauche ? Nous allons utiliser le même algorithme de vision coopérative qui nous a permis de synchroniser les données plus tôt. En l’appliquant sur chaque image des enregistrements vidéo, nous pouvons maintenant détecter l’emplacement des marqueurs fiduciaux du point de vue des participants.Cela nous permet de connecter les mêmes marqueurs sur l’image de référence sur la gauche. En connaissant les coordonnées de cet ensemble commun de points, nous pouvons déduire l’emplacement du regard de chaque personne à l’aide d’une opération mathématique connue sous le nom d’homographie. En appliquant cette procédure sur chaque image, nous pouvons générer une vidéo pour nous assurer que l’homographie a fonctionné.Sur le côté droit, vous pouvez voir l’enregistrement vidéo de chaque participant avec l’emplacement de leur regard en bleu et vert. Les mêmes marqueurs fiduciaux sont reliés à une ligne blanche entre l’image à gauche et le point de vue du participant sur le côté droit. Les regards remapped sont montrés sur la gauche et ils deviennent rouges quand il y a une certaine attention visuelle commune.Générer cette vidéo est une étape importante pour s’assurer que les données sont propres et que l’homographie a été effectuée correctement. En outre, il ya deux autres visualisations qui peuvent être produites pour vérifier la santé mentale des données. La première visualisation est une carte thermique.Pour chaque participant, nous pouvons tracer chaque point de regard sur l’image de la configuration expérimentale. Cela garantit que l’homographie a fonctionné correctement et nous permet de classer ces points de cas dans différents domaines d’intérêt. Ici, par exemple, nous pouvons voir que la plupart du temps a été consacré à regarder l’écran de l’ordinateur et très peu de temps a été consacré à regarder les feuilles de triche.La deuxième visualisation est appelée graphique de récurrence croisée. Les graphiques de récurrence croisée nous permettent de visualiser les données de suivi oculaire pour deux participants. L’heure du premier participant est affichée sur l’axe x, le temps pour le deuxième participant est affiché sur l’axe y.Les carrés noirs signifient que les deux participants regardent au même endroit, le carré blanc représente les données manquantes et le carré gris représente lorsque les participants regardent différents endroits. Les carrés noirs le long de la diagonale signifient qu’ils regardent au même endroit en même temps. Les carrés noirs de la diagonale signifient que les participants regardent au même endroit, mais à des moments différents.Sur la gauche, vous pouvez voir une dyade avec des niveaux élevés d’attention visuelle commune. Au milieu, une dyade avec de faibles niveaux d’attention visuelle commune. Sur le côté droit, un groupe avec beaucoup de données manquantes.En effectuant ces contrôles de santé mentale, vous pouvez vous assurer que vous avez correctement synchronisé et rempé vos données dans une image commune de la configuration expérimentale. Ces étapes sont essentielles et doivent être effectuées avant toute analyse. Enfin, il y a deux paramètres qui doivent être choisis avant de calculer une mesure de l’attention visuelle commune.Le premier paramètre est la fenêtre de temps dans laquelle les participants peuvent regarder au même endroit. Les travaux antérieurs de Richardson et Dale avaient établi qu’il peut prendre jusqu’à deux secondes pour que les participants se désengagent de ce qu’ils font pour prêter attention à ce que leur partenaire fait. Ainsi, nous avons déterminé qu’il y a une attention visuelle conjointe si deux participants ont regardé au même endroit dans une fenêtre de plus et moins deux secondes.Le deuxième paramètre est la distance minimale entre deux points de regard pour qu’ils soient considérés comme une attention visuelle commune. Cette distance dépend du contexte et doit être définie par les chercheurs en fonction de la tâche administrée et de leurs questions de recherche. Pour certaines tâches, la distance peut être courte.Ici, par exemple, nous avons utilisé 100 pixels. Pour d’autres tâches, cette distance peut être plus grande. Ensuite, je vais présenter quelques résultats trouvés en utilisant cette méthodologie.Après avoir reçu une estimation de la quantité d’attention visuelle conjointe dans le groupe, vous pouvez corréler cette mesure avec d’autres variables d’intérêt. Par exemple, dans le travail, nous avons corrélé cette mesure avec le système d’évaluation développé en sciences de l’apprentissage qui capture la qualité de la collaboration d’un groupe. Pour chaque groupe, nous avons attribué une note sur les neuf de dimensions présentées ici.Par exemple, dans quelle mesure les gens ont maintenu une compréhension mutuelle ou dans quelle mesure ils sont parvenus facilement à un consensus. Ces scores doivent recevoir une fiabilité inter acceptable avec un autre quota. Enfin, nous pouvons également regrouper ces scores en une seule mesure générale qui se rapproche de la qualité de la collaboration pour chaque groupe.Un résultat qui a été trouvé dans nos travaux ainsi que d’autres études est que l’attention visuelle conjointe est significativement corrélée avec la qualité de la collaboration, tel que mesuré par le système d’évaluation présenté précédemment. Les groupes qui sont très bien notés à l’aide de ce système de codage ont tendance à avoir plus d’attention visuelle conjointe que les groupes qui ont reçu de faibles scores. Cela montre que les interactions productives sont souvent associées à une attention visuelle plus conjointe.Sur la diapositive suivante, je vais vous montrer un autre résultat qui s’appuie sur cette conclusion. Ainsi, un avantage d’avoir des données fines de suivi des yeux est que nous pouvons extraire d’autres mesures de l’attention visuelle commune. Par exemple, nous pouvons calculer qui a initié et répondu à une offre d’attention visuelle conjointe.En particulier, sur l’axe x de ce graphique, le score de zéro signifie une répartition égale de ces comportements et un score d’un signifie qu’une personne répondait ou initiait toujours des moments d’joignez-vous à l’attention visuelle. Dans cette étude, nous avons trouvé une corrélation inverse avec les gains d’apprentissage montrés sur l’axe Y tels que mesurés par les pré et post-tests. Les groupes où la même personne initiait ou répondait constamment à des moments d’attention visuelle conjointe étaient moins susceptibles d’apprendre et les groupes où cette responsabilité était également partagée étaient plus susceptibles d’obtenir des scores plus élevés après les tests lorsqu’ils contrôlaient les notes au pré-test.Dans cette vidéo, j’ai présenté la méthodologie qui aide les chercheurs à synchroniser les données mobiles de suivi oculaire à la fois temporellement et spatialement. Les résultats suggèrent que les données à double suivi oculaire peuvent fournir des indicateurs de collaboration en calculant des mesures de l’attention visuelle conjointe. En outre, j’ai présenté des résultats montrant que nous pouvons aller au-delà de simples mesures de l’attention conjointe, par exemple, en regardant qui a initié ou répondu à un épisode d’attention visuelle conjointe.Nous avons constaté que cette mesure était liée à d’autres mesures des résultats, comme les gains d’apprentissage. L’informatique de ce type de mesure ne serait pas possible sans les données de suivi oculaire. En résumé, nous avons constaté que la méthodologie présentée dans cette vidéo peut aider les chercheurs à acquérir de nouvelles connaissances sur les processus de collaboration.Merci beaucoup d’avoir regardé cette vidéo et n’hésitez pas à vous référer au journal pour plus d’informations.

Research

JoVE Journal

Behavior

Automated Visual Cognitive Tasks for Recording Neural Activity Using a Floor Projection Maze

Tâches cognitives visuels automatisés pour l&#39;enregistrement de neurones activité en utilisant une projection au sol Maze

Neuropsychological tasks used in primates to investigate mechanisms of learning and memory are typically visually guided cognitive tasks. We have ...

Recherche

Sciences du comportement

The 5-Choice Serial Reaction Time Task: A Task of Attention and Impulse Control for Rodents

Le 5-Choix réaction Série Durée de la tâche: Une équipe de l&#39;attention et du contrôle des impulsions pour rongeurs

This protocol describes the 5-choice serial reaction time task, which is an operant based task used to study attention and impulse control in rodents. ...

Topographical Estimation of Visual Population Receptive Fields by fMRI

Estimation topographique de Visual population réceptive champs par IRMf

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic ...

Methods to Test Visual Attention Online

Les méthodes pour tester attention visuelle en ligne

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

A Method to Quantify Visual Information Processing in Children Using Eye Tracking

Une méthode pour quantifier visuel Traitement de l&#39;information chez les enfants Utilisation du suivi des yeux

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational ...

Visualizing Visual Adaptation

Adaptation visuelle visualisant

Many techniques have been developed to visualize how an image would appear to an individual with a different visual sensitivity: e.g., because of optical ...

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments

Mesure de l&#39;attention et de vitesse de traitement visuel par analyse des Temporal ordre Arrêts Model-based

This protocol describes how to conduct temporal-order experiments to measure visual processing speed and the attentional resource distribution. The ...

Central and Divided Visual Field Presentation of Emotional Images to Measure Hemispheric Differences in Motivated Attention

Présentation du champ visuel central et divisée d’Images émotionnelles pour mesurer les différences hémisphériques dans Attention motivée

Two dominant theories on lateralized processing of emotional information exist in the literature. One theory posits that unpleasant emotions are processed ...

Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data

Méthodologie pour l’établissement d’un laboratoire de la vie à l’échelle communautaire pour capturer l’activité à distance discret et continue et données sur la santé

An end-to-end suite of technologies has been established for the unobtrusive and continuous monitoring of health and activity changes occurring in the ...

Visual Classical Conditioning in Wood Ants

Visuels conditionnement classique dans les fourmis des bois

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, ...